从满足布尔条件的NumPy数组中获取（列，行）索引

Question

我正在使用一个2D NumPy数组。我想要从我的2D数组中满足布尔条件的位置得到（列，行）索引或（x，y）坐标，如果您更喜欢这样的思考方式。

我能通过一个简单的例子来解释我所要做的事情：

>>> a = np.arange(9).reshape(3, 3)
>>> b = a > 4
>>> b
>>> array([[False, False, False],
           [False, False,  True],
           [ True,  True,  True]], dtype=bool)

此时我已有一个布尔数组，指示“a > 4”的位置。

我的目标是在布尔数组中获取值为 True 的索引。例如，索引(1, 2)，(2, 0)，(2, 1)和(2, 2)都具有True值。

我的最终目标是得到一个索引列表：

>>> indexes = [(1, 2), (2, 0), (2, 1), (2, 2)]

再次强调，上面的代码只是一个微不足道的示例，但我尝试要做的应用可能具有任意索引，其中 a > 4 而不是基于 arange 和 reshape。

- Adrian Rosebrock

---

请注意，您提供的索引实际上是(y,x)顺序，这也是答案提供的顺序。 - letmaik

Answer 1

使用numpy.where与numpy.column_stack：

>>> np.column_stack(np.where(b))
array([[1, 2],
       [2, 0],
       [2, 1],
       [2, 2]])

- Ashwini Chaudhary

Answer 2

除了@Ashwini Chaudhary的答案外，还有一个选择是numpy.nonzero

>>> a = np.arange(9).reshape(3,3)
>>> b = a > 4
>>> np.nonzero(b)
(array([1, 2, 2, 2]), array([2, 0, 1, 2]))

>>> np.transpose(np.nonzero(b))
array([[1, 2],
       [2, 0],
       [2, 1],
       [2, 2]])

编辑：哪个更快？nonzero和where本质上是相等的，但transpose在这里是错误的（即使它在文档中提到）：

In [15]: N = 5000

In [16]: a = np.random.random((N, N))

In [17]: %timeit np.nonzero(a > 0.5)
1 loops, best of 3: 470 ms per loop

In [18]: %timeit np.transpose(np.nonzero(a > 0.5))     # ooops
1 loops, best of 3: 2.56 s per loop

In [19]: %timeit np.where(a > 0.5)
1 loops, best of 3: 467 ms per loop

In [20]: %timeit np.column_stack(np.where(a > 0.5))
1 loops, best of 3: 653 ms per loop

- ev-br